最小 MVP 示例

什么是 MVP 示例？

这些是最小化、完整且可直接运行的代码示例，您可以立即复制使用。每个示例都是独立的，展示了向 Model Router 发起 API 调用所需的基本代码。

在运行这些示例之前，请确保您已：

创建了 API Key（请参阅创建 API Key）
检查了可用的模型（请参阅查看可用模型）
将 sk-demo123 替换为您的实际 API Key
将模型名称替换为您的 API Key 可用的模型

Python 示例

使用 OpenAI 官方 SDK（推荐）

推荐：OpenAI 官方 SDK 是使用 Model Router 最简单的方式。您只需要更改 base_url 参数——其他一切与使用 OpenAI API 完全相同。

安装

pip install openai

完整示例

from openai import OpenAI

# 使用 Model Router 的 base URL 初始化客户端
client = OpenAI(
    base_url="https://app.memorylake.ai/v1",  # 唯一需要改动的地方！
    api_key="sk-your-api-key-here"  # 您的 Model Router API Key
)

# 请替换为您的 API Key 可用的模型
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "Hello! How are you?"}
    ]
)

print(response.choices[0].message.content)

运行示例

将代码保存到文件中（例如 chat.py）
安装依赖：pip install openai
将 api_key 和 model 替换为您自己的值
运行：python chat.py

关键点：与直接使用 OpenAI API 的唯一区别就是设置 base_url="https://app.memorylake.ai/v1"。其他代码完全不变！

使用环境变量

为了提升安全性，您也可以使用环境变量：

export OPENAI_API_KEY="sk-your-api-key-here"

from openai import OpenAI

# 客户端会自动从环境变量读取 OPENAI_API_KEY
client = OpenAI(
    base_url="https://app.memorylake.ai/v1"  # 唯一需要改动的地方！
)

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "Hello! How are you?"}
    ]
)

print(response.choices[0].message.content)

使用 requests 库（备选方案）

如果您更倾向于直接使用 requests 库：

安装

pip install requests

完整示例

import requests

# 请替换为您的 API Key
API_KEY = "sk-your-api-key-here"
BASE_URL = "https://app.memorylake.ai/v1"

# 请替换为您的 API Key 可用的模型
MODEL = "gpt-4o-mini"

def chat_completion(messages):
    """发送一次 chat completion 请求"""
    url = f"{BASE_URL}/chat/completions"
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    data = {
        "model": MODEL,
        "messages": messages,
        "stream": False
    }
    
    response = requests.post(url, headers=headers, json=data)
    response.raise_for_status()
    return response.json()

# 使用示例
if __name__ == "__main__":
    messages = [
        {"role": "user", "content": "Hello! How are you?"}
    ]
    
    result = chat_completion(messages)
    print(result["choices"][0]["message"]["content"])

运行示例

将代码保存到文件中（例如 chat.py）
安装依赖：pip install requests
将 API_KEY 和 MODEL 替换为您自己的值
运行：python chat.py

TypeScript/JavaScript 示例

使用 OpenAI 官方 SDK（推荐）

推荐：OpenAI 官方 SDK 可以无缝配合 Model Router 使用。您只需要更改 baseURL 参数——其他一切与使用 OpenAI API 完全相同。

安装

npm install openai

对于 TypeScript 项目，您可能还需要安装类型定义：

npm install --save-dev typescript @types/node

完整示例（TypeScript）

import OpenAI from "openai";

// 使用 Model Router 的 base URL 初始化客户端
const client = new OpenAI({
  baseURL: "https://app.memorylake.ai/v1",  // 唯一需要改动的地方！
  apiKey: "sk-your-api-key-here"  // 您的 Model Router API Key
});

// 请替换为您的 API Key 可用的模型
const response = await client.chat.completions.create({
  model: "gpt-4o-mini",
  messages: [
    { role: "user", content: "Hello! How are you?" }
  ]
});

console.log(response.choices[0].message.content);

完整示例（JavaScript）

import OpenAI from "openai";

// 使用 Model Router 的 base URL 初始化客户端
const client = new OpenAI({
  baseURL: "https://app.memorylake.ai/v1",  // 唯一需要改动的地方！
  apiKey: "sk-your-api-key-here"  // 您的 Model Router API Key
});

// 请替换为您的 API Key 可用的模型
const response = await client.chat.completions.create({
  model: "gpt-4o-mini",
  messages: [
    { role: "user", content: "Hello! How are you?" }
  ]
});

console.log(response.choices[0].message.content);

运行示例

将代码保存到文件中（例如 chat.ts 或 chat.mjs）
安装依赖：npm install openai
将 apiKey 和 model 替换为您自己的值
运行：
- TypeScript：npx ts-node chat.ts（或先用 tsc 编译）
- JavaScript：node chat.mjs（如果使用 CommonJS 则为 node chat.js）

关键点：与直接使用 OpenAI API 的唯一区别就是设置 baseURL: "https://app.memorylake.ai/v1"。其他代码完全不变！

使用环境变量

为了提升安全性，您也可以使用环境变量：

export OPENAI_API_KEY="sk-your-api-key-here"

import OpenAI from "openai";

// 客户端会自动从环境变量读取 OPENAI_API_KEY
const client = new OpenAI({
  baseURL: "https://app.memorylake.ai/v1"  // 唯一需要改动的地方！
});

const response = await client.chat.completions.create({
  model: "gpt-4o-mini",
  messages: [
    { role: "user", content: "Hello! How are you?" }
  ]
});

console.log(response.choices[0].message.content);

流式示例

Python - 使用 OpenAI 官方 SDK

使用 OpenAI SDK 获取流式响应：

from openai import OpenAI

client = OpenAI(
    base_url="https://app.memorylake.ai/v1",
    api_key="sk-your-api-key-here"
)

stream = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "Tell me a short story"}
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end='', flush=True)
print()  # 结尾换行

Python - 使用 requests 库

使用 requests 库获取流式响应：

import requests
import json

API_KEY = "sk-your-api-key-here"
BASE_URL = "https://app.memorylake.ai/v1"
MODEL = "gpt-4o-mini"

def chat_completion_stream(messages):
    """发送一次流式 chat completion 请求"""
    url = f"{BASE_URL}/chat/completions"
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    data = {
        "model": MODEL,
        "messages": messages,
        "stream": True
    }
    
    response = requests.post(url, headers=headers, json=data, stream=True)
    response.raise_for_status()
    
    for line in response.iter_lines():
        if line:
            line_text = line.decode('utf-8')
            if line_text.startswith('data: '):
                json_str = line_text[6:]  # 去掉 'data: ' 前缀
                if json_str == '[DONE]':
                    break
                try:
                    data = json.loads(json_str)
                    if 'choices' in data and len(data['choices']) > 0:
                        delta = data['choices'][0].get('delta', {})
                        if 'content' in delta:
                            print(delta['content'], end='', flush=True)
                except json.JSONDecodeError:
                    pass

# 使用示例
if __name__ == "__main__":
    messages = [
        {"role": "user", "content": "Tell me a short story"}
    ]
    chat_completion_stream(messages)
    print()  # 结尾换行

TypeScript/JavaScript - 使用 OpenAI 官方 SDK

使用 OpenAI SDK 获取流式响应：

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://app.memorylake.ai/v1",
  apiKey: "sk-your-api-key-here"
});

const stream = await client.chat.completions.create({
  model: "gpt-4o-mini",
  messages: [
    { role: "user", content: "Tell me a short story" }
  ],
  stream: true
});

for await (const chunk of stream) {
  if (chunk.choices[0]?.delta?.content) {
    process.stdout.write(chunk.choices[0].delta.content);
  }
}
console.log(); // 结尾换行

其他官方 SDK

Model Router 兼容众多来自不同 AI 平台的官方 SDK。大多数 SDK 只需配置 API_KEY 和 BASE_URL 即可配合 Model Router 使用。

关键点：对于大多数官方 SDK，您只需要：

将 baseURL 或 base_url 设置为 https://app.memorylake.ai/v1（或对应的端点）
使用您的 Model Router API Key 作为 apiKey 或 api_key
其他一切与使用原平台 API 完全相同

Anthropic Claude SDK

官方 Anthropic Claude SDK 支持 Python、TypeScript/JavaScript、Java、Go、C#、Ruby 和 PHP。 示例（Python）：

from anthropic import Anthropic

client = Anthropic(
    api_key="sk-your-api-key-here",
    base_url="https://app.memorylake.ai/claude"  # Claude 原生端点
)

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=200,
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

示例（TypeScript）：

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: 'sk-your-api-key-here',
  baseURL: 'https://app.memorylake.ai/claude'  // Claude 原生端点
});

const message = await client.messages.create({
  model: 'claude-sonnet-5',
  max_tokens: 200,
  messages: [
    { role: 'user', content: 'Hello!' }
  ]
});

文档：Anthropic Client SDKs

Vercel AI SDK

Vercel AI SDK 为多个 AI 提供商（包括 OpenAI、Anthropic、Google 等）提供统一接口。 示例：

import { openai } from '@ai-sdk/openai';

const client = openai({
  baseURL: 'https://app.memorylake.ai/v1',
  apiKey: 'sk-your-api-key-here'
});

文档：Vercel AI SDK Providers

Google Gemini SDK

官方 Google Gemini SDK 支持 Python、Node.js 及其他语言。 示例（Python）：

import google.generativeai as genai

genai.configure(
    api_key="sk-your-api-key-here",
    transport="rest",
    client_options={
        "api_endpoint": "https://app.memorylake.ai/gemini"
    }
)

model = genai.GenerativeModel('gemini-2.5-pro')
response = model.generate_content("Hello!")

文档：Google Gemini API Migration Guide

通用模式

大多数官方 SDK 都遵循类似的模式：

安装 SDK：使用官方包管理器（pip、npm 等）
配置客户端：将 baseURL/base_url 设置为 Model Router 的端点
设置 API Key：使用您的 Model Router API Key
正常使用：其他代码保持不变

常用端点：

OpenAI 兼容：https://app.memorylake.ai/v1
Claude 原生：https://app.memorylake.ai/claude
Gemini 原生：https://app.memorylake.ai/gemini

在使用任何 SDK 之前，请通过调用模型列表端点确认您的 API Key 可以使用哪些模型。

下一步

测试您的代码：使用您的 API Key 运行上面任一示例
查看用量：参阅查看用量与计费监控您的 API 调用
处理错误：如果遇到问题，请了解错误处理
深入探索：查看直接 API 请求了解更高级的用法

开始使用

使用场景

Memory Router

Model Router

MemoryLake

团队协作

什么是 MVP 示例？

Python 示例

使用 OpenAI 官方 SDK（推荐）

安装

完整示例

运行示例

使用环境变量

使用 requests 库（备选方案）

安装

完整示例

运行示例

TypeScript/JavaScript 示例

使用 OpenAI 官方 SDK（推荐）

安装

完整示例（TypeScript）

完整示例（JavaScript）

运行示例

使用环境变量

流式示例

Python - 使用 OpenAI 官方 SDK

Python - 使用 requests 库

TypeScript/JavaScript - 使用 OpenAI 官方 SDK

其他官方 SDK

Anthropic Claude SDK

Vercel AI SDK

Google Gemini SDK

通用模式

下一步

相关文档

​什么是 MVP 示例？

​Python 示例

​使用 OpenAI 官方 SDK（推荐）

​安装

​完整示例

​运行示例

​使用环境变量

​使用 requests 库（备选方案）

​安装

​完整示例

​运行示例

​TypeScript/JavaScript 示例

​使用 OpenAI 官方 SDK（推荐）

​安装

​完整示例（TypeScript）

​完整示例（JavaScript）

​运行示例

​使用环境变量

​流式示例

​Python - 使用 OpenAI 官方 SDK

​Python - 使用 requests 库

​TypeScript/JavaScript - 使用 OpenAI 官方 SDK

​其他官方 SDK

​Anthropic Claude SDK

​Vercel AI SDK

​Google Gemini SDK

​通用模式

​下一步

​相关文档

什么是 MVP 示例？

Python 示例

使用 OpenAI 官方 SDK（推荐）

安装

完整示例

运行示例

使用环境变量

使用 requests 库（备选方案）

安装

完整示例

运行示例

TypeScript/JavaScript 示例

使用 OpenAI 官方 SDK（推荐）

安装

完整示例（TypeScript）

完整示例（JavaScript）

运行示例

使用环境变量

流式示例

Python - 使用 OpenAI 官方 SDK

Python - 使用 requests 库

TypeScript/JavaScript - 使用 OpenAI 官方 SDK

其他官方 SDK

Anthropic Claude SDK

Vercel AI SDK

Google Gemini SDK

通用模式

下一步

相关文档